gtzan_music_speech

• توضیحات :

این مجموعه داده برای اهداف تبعیض موسیقی / گفتار جمع آوری شد. مجموعه داده شامل 120 آهنگ است که هر کدام 30 ثانیه طول دارد. هر کلاس (موسیقی / گفتار) 60 مثال دارد. آهنگ ها همه فایل های صوتی مانیو 16 بیتی 22050Hz با فرمت .wav هستند.

• صفحه اصلی : http://marsyas.info/index.html

• کد منبع : tfds.audio.gtzan_music_speech.GTZANMusicSpeech

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• اندازه 283.29 MiB : 283.29 MiB

• اندازه مجموعه داده : 424.64 MiB

• ذخیره خودکار ( مستندات ): خیر

• تقسیم :

• ویژگی ها :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'audio/filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})

• کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('audio', 'label')

• نقل قول :

@ONLINE {Music Speech,
    author = "Tzanetakis, George",
    title  = "GTZAN Music/Speech Collection",
    year   = "1999",
    url    = "http://marsyas.info/index.html"
}

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثالها ( tfds.as_dataframe ):